基于改进complex-YOLO激光雷达的行人检测算法研究

摘要

激光雷达点云有明显的离散性,其信息密度远低于图像,从而导致行人检测在此背景下的检测精度较低。为了解决此问题,提出了一种基于改进型复合你只看一次(complex-YOLO)的激光雷达行人检测方法。设计了一种新的网络特征提取结构,增强主干网络的特征学习能力,以便在数据稀缺的情况下更充分地挖掘信息;使用的级联特征金字塔网络及其多分支线性融合方法能够融合不同尺度、不同深度的特征,提升网络的泛化性能,以应对数据特征畸变的情况;在训练过程中还采用了增强交并比(EIoU)以加速网络的收敛速度。结果表明,改进后的算法检测精度提升了3.03%。该研究对在稀疏数据情况下提高行人检测精度是有帮助的。